[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"glossary-vector-index::ru":3,"gloss-cluster-vector-index::ru":23,"gloss-next-vector-index::ru":9},{"slug":4,"category":5,"name":6,"definition":7,"meta_desc":8,"faq":9,"schema_markup":9,"related":10},"vector-index","data-infra","Векторный индекс","Векторный индекс — структура данных, которая делает поиск по близости быстрым. Сравнение запроса со всеми сохранёнными эмбеддингами точно и линейно; индекс (HNSW, IVF, ScaNN и другие) сужает поиск до перспективной окрестности и отвечает за миллисекунды вместо секунд.\n\nПлатой становится приближённость. Это структуры приближённого поиска ближайших соседей: они возвращают верные ответы в большинстве случаев, а параметры настройки решают, насколько часто. Высокий recall стоит памяти и задержки; низкий тихо выбрасывает единственный релевантный документ из выдачи, которую никто не проверяет.\n\nИменно из-за этой тишины recall должен быть в мониторинге. RAG-ассистент с плохо настроенным индексом не падает — он уверенно отвечает по четырём найденным документам, а пятый, где было исключение из правила, просто отсутствует.\n\nПрактика: фильтрованный поиск («только документы этого арендатора») — место, где наивные индексы ломаются; проверьте, применяет ли база фильтры во время обхода, а не после. И считайте стоимость перестроения: индекс, который строится шесть часов, определяет, как часто вы сможете переэмбеддить корпус.","Векторный индекс ускоряет поиск по близости, обменивая точность на скорость: потерянный recall — это настройка, а не баг.",null,[11,14,17,20],{"slug":12,"name":13},"embedding","Эмбеддинг (векторное представление)",{"slug":15,"name":16},"latency","Задержка (Latency)",{"slug":18,"name":19},"semantic-search","Семантический поиск (Semantic Search)",{"slug":21,"name":22},"vector-database","Векторная база данных",[24,28,31,34,37,41,44,47,50,53,57,60],{"slug":25,"category":5,"name":26,"updated_at":27},"acid","ACID","2026-08-24T02:46:37+00:00",{"slug":29,"category":5,"name":30,"updated_at":27},"ann-search","ANN-поиск (приближённый поиск ближайших соседей)",{"slug":32,"category":5,"name":33,"updated_at":27},"backpressure","Обратное давление (backpressure)",{"slug":35,"category":5,"name":36,"updated_at":27},"batch-processing","Пакетная обработка (Batch Processing)",{"slug":38,"category":5,"name":39,"updated_at":40},"bm25","BM25","2026-08-24T02:46:38+00:00",{"slug":42,"category":5,"name":43,"updated_at":27},"cache","Кэш (Cache)",{"slug":45,"category":5,"name":46,"updated_at":27},"cap-theorem","Теорема CAP (CAP theorem)",{"slug":48,"category":5,"name":49,"updated_at":27},"change-data-capture","Захват изменений данных (CDC)",{"slug":51,"category":5,"name":52,"updated_at":27},"chroma","Chroma",{"slug":54,"category":5,"name":55,"updated_at":56},"chunk-overlap","Перекрытие фрагментов","2026-08-24T03:30:02+00:00",{"slug":58,"category":5,"name":59,"updated_at":27},"columnar-storage","Колоночное хранение",{"slug":61,"category":5,"name":62,"updated_at":27},"connection-pooling","Пулинг соединений (Connection Pooling)"]